如何将嵌套JSON指定键值对映射到Pandas DataFrame并兼容缺失键

关于嵌套JSON的疑问 #

这属于嵌套JSON结构，外层是一个对象（字典），每个键对应的值又是一个嵌套的子对象（子字典），完全符合JSON的嵌套定义。

1. 让lambda映射方案兼容缺失键 #

使用字典的get()方法做双层容错，避免键不存在时抛出KeyError：

df['description'] = df['key'].map(lambda x: d.get(x, {}).get('description', pd.NA))

• d.get(x, {})：若DataFrame中的key不在字典d内，返回空字典，防止外层键缺失报错
• .get('description', pd.NA)：若子键description不存在，返回pd.NA（也可替换为None等自定义占位值）

2. 无需新建DataFrame同时赋值多列 #

方法1：apply结合Series直接赋值 #

df[['size', 'description']] = df['key'].apply(
    lambda x: pd.Series({
        'size': d.get(x, {}).get('size', pd.NA),
        'description': d.get(x, {}).get('description', pd.NA)
    })
)

方法2：提取函数+apply展开（更易读） #

如果追求代码可读性，可单独定义提取逻辑函数：

def extract_size_desc(key):
    item = d.get(key, {})
    return item.get('size', pd.NA), item.get('description', pd.NA)

df[['size', 'description']] = df['key'].apply(extract_size_desc, result_type='expand')

• result_type='expand'会自动将函数返回的元组展开为多列，直接赋值给原DataFrame的新列，无需创建中间DataFrame。

补充：优化原join方案（可选） #

若不介意原地修改，原join方案可不用新建变量，直接更新原DataFrame：

df = df.join(pd.DataFrame.from_dict(d, orient='index', columns=['size','description']), on='key')

内容的提问来源于stack exchange，提问作者Jess